类的功能

  • Task (任务基类)

    该类主要实现一个任务类

    virtual int doWork() = 0;

  • TaskQueue (任务队列)

    该类主要针对任务的存储、删除、撤回等状态做管理

  • ThreadPool (线程池)

    整个线程池的核心业务处理类

代码

  • Task.h
//任务的基类
#pragma once #include <time.h>
#include <atomic> //任务的基类
class Task
{
public:
//构造、析构函数
Task():_id(_nRequestID++),_isCancelRequired(false),_createTime(clock()){}
~Task(){}; // 任务类虚接口,继承这个类的必须要实现这个接口
virtual int doWork(void) = 0; // 任务已取消回调
virtual int onCanceled(void)
{
return 1;
}
// 任务已完成
virtual int onCompleted(int)
{
return 1;
}
// 任务是否超时
virtual bool isTimeout(const clock_t& now)
{
return ((now - _createTime) > 5000);
}
// 获取任务ID
size_t getID(void)
{
return _id;
}
//获取任务取消状态
bool isCancelRequired(void)
{
return _isCancelRequired;
}
//设置任务取消状态
void setCancelRequired(void)
{
_isCancelRequired = true;
} protected:
size_t _id; //任务的唯一标识
clock_t _createTime; //任务创建时间,非Unix时间戳 private:
static std::atomic<size_t> _nRequestID;
std::atomic<bool> _isCancelRequired; //任务取消状态
}; //selectany可以让我们在.h文件中初始化一个全局变量而不是只能放在.cpp中。
//这样的代码来初始化这个全局变量。既是该.h被多次include,链接器也会为我们剔除多重定义的错误。
__declspec(selectany) std::atomic<size_t> Task::_nRequestID = 100000;
  • TaskQueue.h
#pragma once

#include <deque>
#include <mutex>
#include <condition_variable>
#include <unordered_map>
#include <memory>
#include <thread> //任务队列
template<typename T>
class TaskQueue
{
public:
//向队列的末尾插入任务,task是任务类
void put_back(std::shared_ptr<T>& task)
{
std::unique_lock<std::mutex> lock(_mutexQueue);
_queue.push_back(task);
_conditPut.notify_one();
} //向队列的头部插入任务
void put_front(std::shared_ptr<T>& task)
{
std::unique_lock<std::mutex> lock(_mutexQueue);
_queue.push_front(task);
_conditPut.notify_one();
} //获取队首(并将任务加到运行任务列表中),返回tase是任务类
std::shared_ptr<T> get(void) {
std::unique_lock<std::mutex> lock(_mutexQueue);
if (_queue.empty())
return nullptr;
//lock_guard取代了mutex的lock()和unlock();
std::lock_guard<std::mutex> lock_doing_task(_mutexDoingTask); std::shared_ptr<T>& task = _queue.front(); _mapDoingTask.insert(std::make_pair(task->getID(), task)); _queue.pop_front();
return task;
} //获取双向链表queue的大小
size_t size(void)
{
std::unique_lock<std::mutex> lock(_mutexQueue);
return _queue.size();
} //释放队列
void release(void)
{
deleteAllTasks();
_conditPut.notify_all();
} //删除任务(从就绪队列删除,如果就绪队列没有,则看执行队列有没有,有的话置下取消状态位)
int deleteTask(size_t nID)
{
std::unique_lock<std::mutex> lock(_mutexQueue, std::defer_lock);
lock.lock(); auto it = _queue.begin();
for (; it != _queue.end(); ++it)
{
if ((*it)->getID() == nID)
{
_queue.erase(it);
lock.unlock();
return 0;
}
}
//下面的逻辑可能会造成死锁,这里要及时释放
lock.unlock(); // 试图取消正在执行的任务
{
std::lock_guard<std::mutex> lock_doing_task(_mutexDoingTask); auto it_map = _mapDoingTask.find(nID);
if (it_map != _mapDoingTask.end())
it_map->second->setCancelRequired();
} //任务执行完后再返回
while (_mapDoingTask.count(nID))
std::this_thread::sleep_for(std::chrono::milliseconds(20)); return 0;
} //删除所有任务
int deleteAllTasks(void)
{
std::unique_lock<std::mutex> lock(_mutexQueue, std::defer_lock);
lock.lock(); if (!_queue.empty())
_queue.clear();//清空 {
std::lock_guard<std::mutex> lock_doing_task(_mutexDoingTask);
if (!_mapDoingTask.empty())
{
auto it_map = _mapDoingTask.begin();
for (; it_map != _mapDoingTask.end(); ++it_map)
it_map->second->setCancelRequired();
}
} lock.unlock(); //任务执行完后再返回
while (!_mapDoingTask.empty())
std::this_thread::sleep_for(std::chrono::milliseconds(50));
return 0;
} //任务完成回调(从运行列表中删除指定任务)
int onTaskFinished(size_t nID)
{
std::lock_guard<std::mutex> lock_doing_task(_mutexDoingTask);
auto it_map = _mapDoingTask.find(nID);
if (it_map != _mapDoingTask.end())
_mapDoingTask.erase(it_map);
return 0;
} //判断任务是否执行完毕
std::shared_ptr<T> isTaskProcessed(size_t nId)
{
std::lock_guard<std::mutex> lock_queue(_mutexQueue);
auto it = _queue.begin();
for (; it != _queue.end(); ++it) { if ((*it)->getID() == nId)
return *it; }
std::lock_guard<std::mutex> lock_doing_task(_mutexDoingTask); auto it_map = _mapDoingTask.find(nId);
if (it_map != _mapDoingTask.end())
return it_map->second;
return nullptr;
} //等待有任务到达(带超时:超时自动唤醒)
bool wait(std::chrono::milliseconds millsec)
{
std::unique_lock<std::mutex> lock(_mutexConditPut);
_conditPut.wait_for(lock, millsec);
return true;
} private:
//就绪的任务
std::mutex _mutexQueue;
std::deque<std::shared_ptr<T>> _queue;
//条件变量
std::mutex _mutexConditPut;
std::condition_variable _conditPut; //运行的任务
std::mutex _mutexDoingTask;
std::unordered_map<size_t, std::shared_ptr<T> > _mapDoingTask; };
  • ThreadPool.h
#pragma once

#include <atomic>
#include <memory>
#include <mutex>
#include <iostream>
#include <thread> #include "Task.h"
#include "TaskQueue.h" class ThreadPool
{
public:
// 线程池配置参数
typedef struct tagThreadPoolConfig {
int nMaxThreadsNum; // 最大线程数量
int nMinThreadsNum; // 最小线程数量
double dbTaskAddThreadRate; // 增 最大线程任务比 (任务数量与线程数量,什么比例的时候才加)
double dbTaskSubThreadRate; // 减 最小线程任务比 (任务数量与线程数量,什么比例的时候才减)
} ThreadPoolConfig; public:
//构造函数
ThreadPool(void):_taskQueue(new TaskQueue<Task>()), _atcCurTotalThrNum(0), _atcWorking(true){} //析构函数
~ThreadPool(void)
{
release();
} //初始化资源
int init(const ThreadPoolConfig& threadPoolConfig) {
// 错误的设置
if (threadPoolConfig.dbTaskAddThreadRate < threadPoolConfig.dbTaskSubThreadRate)
return 87; _threadPoolConfig.nMaxThreadsNum = threadPoolConfig.nMaxThreadsNum;
_threadPoolConfig.nMinThreadsNum = threadPoolConfig.nMinThreadsNum;
_threadPoolConfig.dbTaskAddThreadRate = threadPoolConfig.dbTaskAddThreadRate;
_threadPoolConfig.dbTaskSubThreadRate = threadPoolConfig.dbTaskSubThreadRate; int ret = 0;
// 创建线程池
if (_threadPoolConfig.nMinThreadsNum > 0)
ret = addProThreads(_threadPoolConfig.nMinThreadsNum);
return ret;
} // 添加任务
int addTask(std::shared_ptr<Task> taskptr, bool priority=false)
{
const double& rate = getThreadTaskRate();
int ret = 0;
if (priority)
{
if (rate > 1000)
std::this_thread::sleep_for(std::chrono::milliseconds(1));
_taskQueue->put_front(taskptr);
}
else
{
// 检测任务数量
if (rate > 100) {
taskptr->onCanceled();
return 298;
}
// 将任务推入队列
_taskQueue->put_back(taskptr); }
// 检查是否要扩展线程
if (_atcCurTotalThrNum < _threadPoolConfig.nMaxThreadsNum
&& rate > _threadPoolConfig.dbTaskAddThreadRate)
ret = addProThreads(1);
return ret;
} // 删除任务(从就绪队列删除,如果就绪队列没有,则看执行队列有没有,有的话置下取消状态位)
int deleteTask(size_t nID)
{
return _taskQueue->deleteTask(nID);
} // 删除所有任务
int deleteAllTasks(void)
{
return _taskQueue->deleteAllTasks();
} std::shared_ptr<Task> isTaskProcessed(size_t nId)
{
return _taskQueue->isTaskProcessed(nId);
} // 释放资源(释放线程池、释放任务队列)
bool release(void)
{
// 1、停止线程池。
// 2、清楚就绪队列。
// 3、等待执行队列为0
releaseThreadPool();
_taskQueue->release(); int i = 0;
while (_atcCurTotalThrNum != 0)
{
std::this_thread::sleep_for(std::chrono::milliseconds(500));
// 异常等待
if (i++ == 10)
exit(23);
} _atcCurTotalThrNum = 0;
return true;
} // 获取当前线程任务比
double getThreadTaskRate(void)
{
if (_atcCurTotalThrNum != 0)
return _taskQueue->size() * 1.0 / _atcCurTotalThrNum;
return 0;
}
// 当前线程是否需要结束
bool shouldEnd(void)
{ bool bFlag = false;
double dbThreadTaskRate = getThreadTaskRate(); // 检查线程与任务比率
if (!_atcWorking || _atcCurTotalThrNum > _threadPoolConfig.nMinThreadsNum
&& dbThreadTaskRate < _threadPoolConfig.dbTaskSubThreadRate)
bFlag = true; return bFlag;
} // 释放线程池
bool releaseThreadPool(void)
{
_threadPoolConfig.nMinThreadsNum = 0;
_threadPoolConfig.dbTaskSubThreadRate = 0;
_atcWorking = false;
return true;
} // 添加指定数量的处理线程
int addProThreads(int nThreadsNum)
{
try {
for (; nThreadsNum > 0; --nThreadsNum)
std::thread(&ThreadPool::taskProcessThread, this).detach();
}
catch (...){
return 155;
} return 0;
} // 任务处理线程函数
void taskProcessThread(void)
{
int nTaskProcRet = 0;
// 线程增加
_atcCurTotalThrNum.fetch_add(1);
std::chrono::milliseconds mills_sleep(500); std::shared_ptr<Task> pTask;
while (_atcWorking)
{
// 从任务队列中获取任务
pTask = _taskQueue->get(); //get会将任务添加到运行任务的map中去
if (pTask == nullptr)
{
if (shouldEnd())
break; // 进入睡眠池
_taskQueue->wait(mills_sleep);
continue;
} // 检测任务取消状态
if (pTask->isCancelRequired())
pTask->onCanceled();
else
// 处理任务
pTask->onCompleted(pTask->doWork()); // 从运行任务队列中移除任务
_taskQueue->onTaskFinished(pTask->getID()); // 判断线程是否需要结束
if (shouldEnd())
break; } // 线程个数减一
_atcCurTotalThrNum.fetch_sub(1);
} private:
std::shared_ptr<TaskQueue<Task> > _taskQueue; //任务队列
ThreadPoolConfig _threadPoolConfig; //线程池配置
std::atomic<bool> _atcWorking; //线程池是否被要求结束
std::atomic<int> _atcCurTotalThrNum; //当前线程个数
};
  • FunTask.h
#pragma once

#include <functional>
#include "Task.h" class FuncTask:public Task
{
public:
FuncTask(std::function<int(void)> f) : _pf(f) {}
FuncTask(void) : _pf(nullptr){} virtual ~FuncTask(){} template <typename F,typename... Args>
void asynBind(F(*f)(Args...), Args... args)
{
_pf = std::bind(f, args...);
} virtual int doWork()
{
if (_pf == nullptr)
return 86;
return _pf();
} private:
typedef std::function<int(void)> pvFunc;
pvFunc _pf;
};
  • main.cpp
#pragma once

#include <time.h>
#include <iostream>
#include <memory>
#include <string>
#include "ThreadPool.h"
#include "FuncTask.h" using namespace std; int vFunction(void)
{
std::cout << __FUNCTION__ << std::endl;
return 0;
} int counter(int a,int b)
{
std::cout << a << ":" << b << std::endl;
return 0;
} int main()
{ ThreadPool::ThreadPoolConfig threadPoolConfig;
threadPoolConfig.nMaxThreadsNum = 100;
threadPoolConfig.nMinThreadsNum = 5;
threadPoolConfig.dbTaskAddThreadRate = 3;
threadPoolConfig.dbTaskSubThreadRate = 0.5; clock_t start = clock();
{
std::shared_ptr<ThreadPool> threadPool(new ThreadPool);
threadPool->init(threadPoolConfig); int i = 1;
while (true)
{
/*std::shared_ptr<FuncTask> request(new FuncTask(vFunction));
threadPool->addTask(request);*/ std::shared_ptr<FuncTask> request(new FuncTask);
request->asynBind(counter, i++, 1);
threadPool->addTask(request);
if (request->getID() == 110000) {
break;
}
} threadPool->release();
} clock_t finish = clock();
std::cout << "duration:" << finish - start << "ms" << std::endl; cout << "main:thread" << endl;
return 0;
}

参考

使用 C++11 编写可复用多线程任务池的更多相关文章

  1. Linux多线程实践(10) --使用 C++11 编写 Linux 多线程程序

    在这个多核时代,如何充分利用每个 CPU 内核是一个绕不开的话题,从需要为成千上万的用户同时提供服务的服务端应用程序,到需要同时打开十几个页面,每个页面都有几十上百个链接的 web 浏览器应用程序,从 ...

  2. [转]使用 C++11 编写 Linux 多线程程序

    前言 在这个多核时代,如何充分利用每个 CPU 内核是一个绕不开的话题,从需要为成千上万的用户同时提供服务的服务端应用程序,到需要同时打开十几个页面,每个页面都有几十上百个链接的 web 浏览器应用程 ...

  3. 跨平台轻量级redis、ssdb代理服务器(C++ 11编写)

    dbproxy 是我业余采用C++11编写的跨平台代理服务器(并使用lua和自己的网络库),以扩展系统负载,同时使用多个后端数据库,后端数据库支持redis和ssdb. 需要由用户自己编写lua脚本控 ...

  4. 使用 C++11 编写类似 QT 的信号槽——下篇

    要实现 Signal-Slot,Signal 类中应该拥有一个保存 std::function 的数组: template<class FuncType> class Signal { p ...

  5. 使用 C++11 编写类似 QT 的信号槽——上篇

    了解 QT 的应该知道,QT 有一个信号槽 Singla-Slot 这样的东西.信号槽是 QT 的核心机制,用来替代函数指针,将不相关的对象绑定在一起,实现对象间的通信. 考虑为 Simple2D 添 ...

  6. C++11并发编程:多线程std::thread

    一:概述 C++11引入了thread类,大大降低了多线程使用的复杂度,原先使用多线程只能用系统的API,无法解决跨平台问题,一套代码平台移植,对应多线程代码也必须要修改.现在在C++11中只需使用语 ...

  7. c++11 Thread库写多线程程序

    一个简单的使用线程的Demo c++11提供了一个新的头文件<thread>提供了对线程函数的支持的声明(其他数据保护相关的声明放在其他的头文件中,暂时先从thread头文件入手吧),写一 ...

  8. Linux网络通信(TCP套接字编写,多进程多线程版本)

    预备知识 源IP地址和目的IP地址 IP地址在上一篇博客中也介绍过,它是用来标识网络中不同主机的地址.两台主机进行通信时,发送方需要知道自己往哪一台主机发送,这就需要知道接受方主机的的IP地址,也就是 ...

  9. Linux下C编写基本的多线程socket服务器

    不想多说什么,会搜这些东西的都是想看代码的吧. 一开始不熟悉多线程的时候还在想怎么来控制一个线程的结束,后来发现原来有pthread_exit()函数可以直接在线程函数内部调用结束这个线程. 开始还想 ...

随机推荐

  1. luogu P3834 【模板】可持久化线段树 1(主席树) 查询区间 [l, r] 内的第 k 小/大值

    ————————————————版权声明:本文为CSDN博主「ModestCoder_」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明.原文链接:https:// ...

  2. urlencode($url):把url转义,当字符串数据以url的形式传递给web服务器时,字符串中是不允许出现空格和特殊字符串的

    1.对url进行编码转义

  3. Java学习随笔---常用API(二)

    Object类的toString方法 将一个对象返回为字符串形式,但一般使用的时候会覆盖重写toString方法 Object类是所有类的父亲 // public class Person { pri ...

  4. KVM命令--优化篇(2)

    1- 为什么要调优 ___ KVM采用全虚拟化技术,全虚拟化要由一个软件来模拟硬件,故有一定的损耗,特别是I/O,因此需要优化. ___ KVM性能优化主要在CPU.内存.I/O这几方面.当然对于这几 ...

  5. Fight Against Monsters Gym - 102222H【贪心】

    贪心的策略 #include <bits/stdc++.h> using namespace std; ; typedef long long ll; struct m { int hp, ...

  6. form表单中给input 添加 数量可以增减的按钮

    只需给input表单增加type=number即可

  7. ubuntu---CUDA版本与NVIDIA显卡驱动版本对应关系查询

    https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html ,如果不是CUDA 10.2 版本的,可以类似的查找 CUDA x ...

  8. SSH远程登录、.sh文件后缀运行、l l命令结果说明、VIM模式切换

    目录 SSH远程登录..sh文件后缀运行.l l命令结果说明.VIM模式切换 SSH远程安全登录 .sh文件后缀运行 l l命令结果说明 VIM模式切换 SSH远程登录..sh文件后缀运行.l l命令 ...

  9. ng-http

    启用 Http 服务 open the root AppModule, import the HttpClientModule symbol from @angular/common/http, ad ...

  10. tensor的维度扩张的手段--Broadcasting

    broadcasting是tensorflow中tensor维度扩张的最常用的手段,指对某一个维度上重复N多次,虽然它呈现数据已被扩张,但不会复制数据. 可以这样理解,对 [b,784]@[784,1 ...